Perbandingan Metode Moving Average, Exponential Smoothing dan ARIMA dalam Peramalan Volume Penumpang Kereta Api di Stasiun Gambir

agus sumarna(1*)

(1) Program Studi Magister Pendidikan Matematika dan Ilmu Pengetahuan Alam
(*) Corresponding Author

Abstract


Sarana transportasi kereta api lebih diminati dibandingkan sarana transportasi darat lainnya karena waktu perjalanan lebih cepat dibandingkan transportasi Bus dan lebih murah dibandingkan dengan pesawat terbang. Pada Stasiun besar seperti Stasiun Gambir volume penumpang kereta api setiap bulannya mengalami kenaikan yang sangat pesat dan penurunan pada bulan-bulan tertentu. Keadaan yang berubah tersebut perlu dianalisis lebih lanjut untuk dijadikan pertimbangan kebijakan yang diambil. Penelitian ini bertujuan untuk memperoleh gambaran jumlah penumpang kereta api di Stasiun Gambir tahun 2007-2011, membandingkan metode Moving Average, Exponential Smoothing dan ARIMA dalam meramalkan volume penumpang kereta api di Stasiun Gambir, dan meramalkan volume penumpang kereta api tahun 2012 di Stasiun Gambir. Metode terbaik dipilih berdasarkan tingkat kesalahan yang paling kecil berdasarkan nilai MAD, MSE dan MAPE. Data yang digunakan dalam penelitian ini adalah data sekunder berupa data volume penumpang kereta api di Stasiun Gambir selama lima tahun dari bulan Januari 2007 sampai bulan Desember 2011. Hasil analisis menunjukkan bahwa nilai MAD, MSE dan MAPE yang paling terkecil diperoleh dari metode ARIMA (1,1,1) sehingga dapat diambil kesimpulan bahwa metode yang paling tepat digunakan untuk meramalkan jumlah penumpang kereta api di Stasiun Gambir adalah metode ARIMA (Box Jenkins). Hasil peramalan jumlah penumpang kereta api di Stasiun Gambir pada tahun 2012 dengan menggunakan metode ARIMA (1,1,1), pada bulan Januari sebesar  178.196 orang, nilai pada bulan Febuari sebesar 172.129 orang dan pada bulan Maret sebesar 171.003 orang.


Full Text:

PDF

References


Aritonang R. 2002. Peramalan Bisnis. Ghalia Indonesia. Jakarta.

Arsyad, Lincolin. 1995. Peramalan Bisnis. Ghalia Indonesia. Jakarta

Box, G., G. Jenkins, and G. Reinsel. 1994. Time series Analysis Forecasting and Control. Third Edition. Holden-Day. San Fransisco.

Gaspersz, V. 2005.Production Planning and Inventory Control. PT. Gramedia. Jakarta.

Hanke, J.E. & A.G. Reitsch. 1992. Business forecasting. Ed. Ke-4 Allyn Bacon, Needham Heights, MA.

Istiqomah. 2006. Aplikasi model ARIMA untuk Forecasting Produksi Gula Pada Pt. Perkebunan Nusantara Ix (Persero). Skripsi. Jurusan Matematika FMIPA UNS. Semarang.

Makridakis S., S.C., Wheelwright & S.C. Mc Gee.1992. Forcasting Methods dan Applications. Edisi ke-2. John Wiley & Sons. New York.

Subagyo, P. 1996. Forecasting Konsep dan Aplikasi. BPFE. Yogyakarta.

Winarsih, G. 2007. Perbandingan Keefektifan Metoda Moving Averages, Metoda Deseasonalizing dan Metoda Exponential Smoothing Untuk Forecasting Banyaknya Pengunjung Pada Objek Wisata Grojogan Sewu Karanganyar. Skripsi. Jurusan Matematika FMIPA UNS. Semarang.


Refbacks

  • There are currently no refbacks.


Googlre Scholar Academic Search PKP Index ROAD ISSN

Pasca Sarjana
Universitas Indraprasta PGRI

Address: Kampus A Building 2, 3rd Floor | Jl. Nangka No. 58 C (TB. Simatupang), Kel. Tanjung Barat, Kec. Jagakarsa, Jakarta Selatan 12530, Jakarta, Indonesia.
Phone: +62 (021) 7818718 – 78835283 | Close in sunday and public holidays in Indonesia
Work Hours: 09.00 AM – 08.00 PM
Best hours to visit: From 9 am to 11 am or after 3 pm. The busiest times are between 11 am and 3 pm.


Creative Commons License
Alfarisi: Jurnal Pendidikan MIPA is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.